IUA
Sixto Cristiani
2022-06-25
library("tidyverse")## ── Attaching packages ─────────────────────────────────────── tidyverse 1.3.1 ──## ✔ ggplot2 3.3.6 ✔ purrr 0.3.4
## ✔ tibble 3.1.7 ✔ dplyr 1.0.9
## ✔ tidyr 1.2.0 ✔ stringr 1.4.0
## ✔ readr 2.1.2 ✔ forcats 0.5.1## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag() masks stats::lag()library("sf")## Linking to GEOS 3.9.1, GDAL 3.3.2, PROJ 7.2.1; sf_use_s2() is TRUEespaciosverdes <- read_sf('http://cdn.buenosaires.gob.ar/datosabiertos/datasets/espacios-verdes/espacio-verde-publico.geojson', )ncol(espaciosverdes)## [1] 37nrow(espaciosverdes)## [1] 1736colnames(espaciosverdes)## [1] "nombre" "nombre_ev" "clasificac" "patio_de_j" "apadrinada"
## [6] "observacio" "fuente_geo" "fuente_ins" "ubicacion" "decreto"
## [11] "fecha_decr" "ordenanza_" "fecha_orde" "boletin_of" "fecha_bole"
## [16] "BARRIO" "COMUNA" "Fech_padri" "Vig_padri" "Alc_conven"
## [21] "nom_mapa" "id_ev_pub" "area" "perimeter" "DGEV_Padri"
## [26] "Mant_2017" "TAREAS" "ESTADO" "SUP_TOTAL" "Canil"
## [31] "Posta_aero" "Etiqueta" "REJA" "Hor_invier" "Hor_verano"
## [36] "Obs_reja" "geometry"head(espaciosverdes,4)## Simple feature collection with 4 features and 36 fields
## Geometry type: MULTIPOLYGON
## Dimension: XY
## Bounding box: xmin: -58.44584 ymin: -34.58077 xmax: -58.43746 ymax: -34.54612
## Geodetic CRS: WGS 84
## # A tibble: 4 × 37
## nombre nombre_ev clasificac patio_de_j apadrinada observacio fuente_geo
## <chr> <chr> <chr> <chr> <chr> <chr> <chr>
## 1 Escuela Scal… ESCUELA … PLAZOLETA NO <NA> Redigital… USIG
## 2 <NA> SIN NOMB… PLAZOLETA NO <NA> ESPACIOS … USIG
## 3 Polideportiv… POLIDEPO… PARQUE NO <NA> Redigital… USIG
## 4 <NA> SIN NOMB… PLAZOLETA NO <NA> ESPACIOS … USIG
## # … with 30 more variables: fuente_ins <chr>, ubicacion <chr>, decreto <chr>,
## # fecha_decr <chr>, ordenanza_ <chr>, fecha_orde <chr>, boletin_of <chr>,
## # fecha_bole <chr>, BARRIO <chr>, COMUNA <dbl>, Fech_padri <chr>,
## # Vig_padri <chr>, Alc_conven <chr>, nom_mapa <chr>, id_ev_pub <int>,
## # area <dbl>, perimeter <dbl>, DGEV_Padri <chr>, Mant_2017 <chr>,
## # TAREAS <chr>, ESTADO <chr>, SUP_TOTAL <int>, Canil <chr>, Posta_aero <chr>,
## # Etiqueta <chr>, REJA <chr>, Hor_invier <chr>, Hor_verano <chr>, …summary(espaciosverdes)## nombre nombre_ev clasificac patio_de_j
## Length:1736 Length:1736 Length:1736 Length:1736
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
##
## apadrinada observacio fuente_geo fuente_ins
## Length:1736 Length:1736 Length:1736 Length:1736
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
##
## ubicacion decreto fecha_decr ordenanza_
## Length:1736 Length:1736 Length:1736 Length:1736
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
##
## fecha_orde boletin_of fecha_bole BARRIO
## Length:1736 Length:1736 Length:1736 Length:1736
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
##
## COMUNA Fech_padri Vig_padri Alc_conven
## Min. : 0.000 Length:1736 Length:1736 Length:1736
## 1st Qu.: 4.000 Class :character Class :character Class :character
## Median : 8.000 Mode :character Mode :character Mode :character
## Mean : 7.692
## 3rd Qu.:11.000
## Max. :15.000
##
## nom_mapa id_ev_pub area perimeter
## Length:1736 Min. : 2.0 Min. : 0.0 Min. : 0
## Class :character 1st Qu.: 533.8 1st Qu.: 231.5 1st Qu.: 0
## Mode :character Median : 997.5 Median : 717.1 Median : 20
## Mean : 983.8 Mean : 9377.8 Mean : 2297
## 3rd Qu.:1431.2 3rd Qu.: 2744.2 3rd Qu.: 1000
## Max. :1882.0 Max. :2352162.4 Max. :15918
##
## DGEV_Padri Mant_2017 TAREAS ESTADO
## Length:1736 Length:1736 Length:1736 Length:1736
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
##
## SUP_TOTAL Canil Posta_aero Etiqueta
## Min. : 0 Length:1736 Length:1736 Length:1736
## 1st Qu.: 0 Class :character Class :character Class :character
## Median : 0 Mode :character Mode :character Mode :character
## Mean : 1064
## 3rd Qu.: 0
## Max. :77100
## NA's :994
## REJA Hor_invier Hor_verano Obs_reja
## Length:1736 Length:1736 Length:1736 Length:1736
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
##
## geometry
## MULTIPOLYGON :1736
## epsg:4326 : 0
## +proj=long...: 0
##
##
##
## Del summary se puede extraer poca información debido al caracter predominante de datos que tienen como estructura charactar. Sin embargo podemos ver como el tamaño de los espacios verdes, un 25 por ciento tiene menos de 232 metros cuadrados. Mientras que un 50% tienen 717 metros cuadrados o menos. Por otro lado el promedio es de 9377 metros cuadrados.
Podemos igualmente intentar cambiar la estructrura, pasando a un data.frame. Para eso tenemos que sacar la variable geoespacial de geoemtria.
espaciosverdes_df = st_drop_geometry(espaciosverdes)
espaciosverdes_df = as.data.frame(unclass(espaciosverdes_df), stringsAsFactors = TRUE)
summary(espaciosverdes_df)## nombre
## Cantero Av 27 de Febrero : 8
## Predio Villa Olímpica (no oficial) : 4
## Hungría : 3
## Paseo del Ballet Argentino : 3
## Cancha auxiliar abierta - Club Atl. Boca Juniors: 2
## (Other) :917
## NA's :799
## nombre_ev clasificac
## SIN NOMBRE :336 PLAZOLETA :644
## S/D :107 CANTERO CENTRAL :643
## SIN DENOMINACION : 66 PLAZA :333
## CANTERO AV. 27 DE FEBRERO (no oficial): 8 PARQUE : 56
## PREDIO VILLA OLIMPICA (NO OFICIAL) : 4 JARDÍN : 27
## (Other) :907 PATIO RECREATIVO: 17
## NA's :308 (Other) : 16
## patio_de_j apadrinada
## NO :1237 NO : 570
## SI : 330 GATORADE : 14
## NA's: 169 PATAGONIA FLOORING S.A. -EN TRÁMITE DE RENOVACIÓN-: 7
## DIFERENTES NOMBRES : 4
## PATAGONIA FLOORING S.A. : 4
## (Other) : 119
## NA's :1018
## observacio
## ESPACIOS VERDES :318
## no incluidos en el nomenclador de espacios verdes : 37
## Agregado en Diciembre de 2017. Veredón verde. Dentro del denominado Barrio Municipal Alte Brown : 19
## Canteros pertenecientes al "Paseo de las Artes Latinoamericanas" : 17
## Designación Oficial según Ley 5810 en BO 5136 - 29/05/2017: denominación conjunta "Paseo de los Vecinos destacados de Villa Lugano Comuna 8" a canteros de Av Riestra e/ Larraya y Cañada de Gómez: 10
## (Other) :750
## NA's :585
## fuente_geo fuente_ins
## DIGITALIZACION 2009: 9 E.V. :695
## ESPACIOS VERDES : 687 USIG :851
## USIG :1001 USIG 2:137
## NA's : 39 NA's : 53
##
##
##
## ubicacion
## ROCA, CNEL., AV. E/ PORTELA Y PAZ, GRAL., AV (FALTA RELEVAR COMO SE CRUZAN LAS CALLES A FIN DE ESTABLECER LIMITES DE CANTEROS): 37
## CONJUNTO PLAZOLETAS HOLMBERG - CONGRESO - PLAZA - PARQUE (PROYECTO AUTOPISTA U5 : 22
## DELLEPIANE, LUIS J., TTE. GRAL., AV. E/ LARRAZABAL, AV Y ESCALADA, AV. : 17
## DELLEPIANE, LUIS J., TTE. GRAL., AV. E/ PAZ, GRAL., AV. - RIO NEGRO Y CAÑADA DE GOMEZ : 16
## DISTRIBUIDOR 9 DE JULIO, AV. - AU 25 DE MAYO : 15
## (Other) :1529
## NA's : 100
## decreto fecha_decr ordenanza_ fecha_orde
## De Hecho: 57 16/10/2001: 25 45.591 : 22 18/09/2001: 29
## 2 : 23 02/01/1992: 21 27.387 : 20 07/12/1991: 24
## De hecho: 22 07/11/2003: 18 LEY N° 644 : 17 09/10/2003: 20
## 186/17 : 10 20/01/1998: 12 LEY N.º 5810: 10 23/01/1973: 19
## 5.527 : 8 22/05/2017: 10 LEY 1.128 : 9 16/07/2002: 14
## (Other) : 374 (Other) : 446 (Other) : 625 (Other) :633
## NA's :1242 NA's :1204 NA's :1033 NA's :997
## boletin_of fecha_bole BARRIO COMUNA
## ACTA : 49 24/10/2001: 27 VILLA LUGANO : 187 Min. : 0.000
## 1303 : 26 29/01/1973: 20 VILLA SOLDATI: 136 1st Qu.: 4.000
## 19.205 : 22 14/11/2003: 19 PALERMO : 121 Median : 8.000
## 14.467 : 20 27/01/1992: 19 RETIRO : 96 Mean : 7.692
## 1818 : 17 09/01/2015: 10 SAAVEDRA : 95 3rd Qu.:11.000
## (Other):635 (Other) :673 (Other) :1095 Max. :15.000
## NA's :967 NA's :968 NA's : 6
## Fech_padri Vig_padri
## 29-07-2013: 17 29-07-2016: 17
## 03-12-2009: 10 03-12-2012: 10
## 12-12-2013: 6 12-12-2016: 6
## 26-07-2013: 6 26-07-2016: 6
## 28-03-2011: 5 09-04-2015: 4
## (Other) : 25 (Other) : 25
## NA's :1667 NA's :1668
## Alc_conven
## Instalación y mantenimiento de estaciones aeróbicas: 15
## Jardinería fina, corte y limpieza : 14
## Corte y limpieza : 12
## Puesta en valor (no incluye corte y limpieza) : 10
## Puesta en valor, corte y limpieza : 6
## (Other) : 10
## NA's :1669
## nom_mapa id_ev_pub area
## Cantero Av 27 de Febrero : 8 Min. : 2.0 Min. : 0.0
## Paseo del Ballet Argentino: 3 1st Qu.: 533.8 1st Qu.: 231.5
## Complejo Villa Olímpica : 2 Median : 997.5 Median : 717.1
## Hungría : 2 Mean : 983.8 Mean : 9377.8
## Martín Boneo y Villalonga : 2 3rd Qu.:1431.2 3rd Qu.: 2744.2
## (Other) :918 Max. :1882.0 Max. :2352162.4
## NA's :801
## perimeter DGEV_Padri Mant_2017
## Min. : 0 SI : 82 SI : 83
## 1st Qu.: 0 NA's:1654 NA's:1653
## Median : 20
## Mean : 2297
## 3rd Qu.: 1000
## Max. :15918
##
## TAREAS
## Riego - Patio de juegos con solado antigolpes - Hamaca inclusiva - Parquización - Nuevos solados: 5
## Parquización - Iluminación : 3
## Parquización - Nuevos solados : 3
## Riego - Parquización - Nuevos solados - Nuevo mobiliario y equipamiento - Iluminación : 3
## Riego - Parquización : 2
## (Other) : 67
## NA's :1653
## ESTADO SUP_TOTAL Canil Posta_aero Etiqueta
## Finalizada: 83 Min. : 0 - : 7 - : 5 NO : 8
## NA's :1653 1st Qu.: 0 NO : 129 NO : 104 NA's:1728
## Median : 0 SI : 58 SI : 60
## Mean : 1064 NA's:1542 NA's:1567
## 3rd Qu.: 0
## Max. :77100
## NA's :994
## REJA Hor_invier Hor_verano
## SI : 10 - : 2 - : 2
## SI (parcial): 3 8:00 a 17:45 hs: 1 8:00 a 18:45 hs: 1
## NA's :1723 8:00 a 18:00 hs: 4 8:00 a 19:00 hs: 3
## 8:00 a 19:00 hs: 6 8:00 a 20:00 hs: 7
## NA's :1723 NA's :1723
##
##
## Obs_reja
## Lunes cerrado. Fines de semana abre a las 9:30 hs: 1
## Pre cierre 30 minutos antes : 1
## Pre cierre una hora antes : 1
## Sin apertura : 1
## Sólo con visita : 1
## NA's :1731
## Según el dataset los barrios con mayor cantidad de espacios verdes son Lugano, Soldati y Palermo.
str(espaciosverdes_df)## 'data.frame': 1736 obs. of 36 variables:
## $ nombre : Factor w/ 917 levels "11 de Junio de 1580",..: 189 NA 840 NA 714 707 NA NA 866 254 ...
## $ nombre_ev : Factor w/ 894 levels "1 DE MARZO DE 1948",..: 299 816 679 816 378 581 816 816 740 66 ...
## $ clasificac: Factor w/ 12 levels "BARRIO/COMPLEJO",..: 12 12 5 12 11 11 12 12 12 2 ...
## $ patio_de_j: Factor w/ 2 levels "NO","SI": 1 1 1 1 2 1 1 1 1 2 ...
## $ apadrinada: Factor w/ 113 levels "A.U.S.A. (AUTOPISTAS URBANAS S. A.)",..: NA NA NA NA 82 82 NA NA NA NA ...
## $ observacio: Factor w/ 494 levels "Actualización de la Digitalización de todos los sectores por USIG en Mayo de 2014 - Redigitalización por USIG e"| __truncated__,..: 360 230 386 230 NA NA 230 230 241 230 ...
## $ fuente_geo: Factor w/ 3 levels "DIGITALIZACION 2009",..: 3 3 3 3 2 2 3 3 3 3 ...
## $ fuente_ins: Factor w/ 3 levels "E.V.","USIG",..: 2 2 2 2 1 1 2 2 2 2 ...
## $ ubicacion : Factor w/ 1263 levels "20 DE SEPTIEMBRE - DON PEDRO DE MENDOZA, AV. - ARZOBISPO ESPINOSA - CABOTO",..: 349 349 349 656 486 485 436 436 436 614 ...
## $ decreto : Factor w/ 319 levels "003/007","003/009",..: NA NA NA NA 194 NA NA NA 247 137 ...
## $ fecha_decr: Factor w/ 292 levels "01/02/1956","01/06/2018",..: NA NA NA NA 167 NA NA NA 243 203 ...
## $ ordenanza_: Factor w/ 533 levels "1.427","1.434",..: NA NA NA NA 142 98 NA NA 418 314 ...
## $ fecha_orde: Factor w/ 406 levels "0/12/1991","01/06/1949",..: NA NA NA NA 238 117 NA NA 50 391 ...
## $ boletin_of: Factor w/ 469 levels "1.302","1.303",..: NA NA NA NA 143 101 NA NA 407 321 ...
## $ fecha_bole: Factor w/ 494 levels "01/03/1966","01/04/1970",..: NA NA NA NA 295 302 NA NA 5 126 ...
## $ BARRIO : Factor w/ 50 levels "AGRONOMIA","ALMAGRO",..: 12 12 12 6 6 6 22 22 22 31 ...
## $ COMUNA : num 13 13 13 13 13 13 14 14 14 12 ...
## $ Fech_padri: Factor w/ 22 levels "01-06-2011","02-10-2006",..: NA NA NA NA NA NA NA NA NA NA ...
## $ Vig_padri : Factor w/ 22 levels "02-10-2009","03-12-2012",..: NA NA NA NA NA NA NA NA NA NA ...
## $ Alc_conven: Factor w/ 15 levels "Cambio de portones de acceso",..: NA NA NA NA NA NA NA NA NA NA ...
## $ nom_mapa : Factor w/ 918 levels "13 de Abril de 1889 - Paseo Vecinos Destacados Villa Devoto Comuna 11",..: 82 NA 558 NA 848 841 NA NA 507 112 ...
## $ id_ev_pub : int 2 5 6 8 9 10 11 12 13 15 ...
## $ area : num 1658.27 3.98 4686.06 3746.97 558.99 ...
## $ perimeter : num 0 0 0 100 9990 ...
## $ DGEV_Padri: Factor w/ 1 level "SI": NA NA NA NA NA 1 NA NA NA NA ...
## $ Mant_2017 : Factor w/ 1 level "SI": NA NA NA NA NA 1 NA NA NA NA ...
## $ TAREAS : Factor w/ 69 levels "Extensión de riego - Patio de juegos con solado antigolpes - Hamaca inclusiva - Parquización - Nuevas postas ae"| __truncated__,..: NA NA NA NA NA 9 NA NA NA NA ...
## $ ESTADO : Factor w/ 1 level "Finalizada": NA NA NA NA NA 1 NA NA NA NA ...
## $ SUP_TOTAL : int 0 0 0 NA 0 10215 NA NA NA NA ...
## $ Canil : Factor w/ 3 levels "-","NO","SI": NA NA NA NA NA NA NA NA NA NA ...
## $ Posta_aero: Factor w/ 3 levels "-","NO","SI": NA NA NA NA NA NA NA NA NA NA ...
## $ Etiqueta : Factor w/ 1 level "NO": NA NA 1 NA NA NA NA NA NA NA ...
## $ REJA : Factor w/ 2 levels "SI","SI (parcial)": NA NA NA NA NA NA NA NA NA NA ...
## $ Hor_invier: Factor w/ 4 levels "-","8:00 a 17:45 hs",..: NA NA NA NA NA NA NA NA NA NA ...
## $ Hor_verano: Factor w/ 4 levels "-","8:00 a 18:45 hs",..: NA NA NA NA NA NA NA NA NA NA ...
## $ Obs_reja : Factor w/ 5 levels "Lunes cerrado. Fines de semana abre a las 9:30 hs",..: NA NA NA NA NA NA NA NA NA NA ...Ahora el dataset cuenta con factores como su principal estructura de datos.
Clase II
espacios_lugano = filter(espaciosverdes_df, BARRIO =="VILLA LUGANO")
head(espacios_lugano,4)## nombre
## 1 <NA>
## 2 Po. de los Vecinos destacados de Villa Lugano Comuna 8 - Bautista Mazzini
## 3 <NA>
## 4 <NA>
## nombre_ev
## 1 SIN NOMBRE
## 2 PASEO DE LOS VECINOS DESTACADOS DE VILLA LUGANO COMUNA 8 - BAUTISTA MAZZINI
## 3 SIN NOMBRE
## 4 SIN NOMBRE
## clasificac patio_de_j apadrinada
## 1 CANTERO CENTRAL NO <NA>
## 2 CANTERO CENTRAL NO <NA>
## 3 PLAZOLETA NO <NA>
## 4 CANTERO CENTRAL NO <NA>
## observacio
## 1 ESPACIOS VERDES
## 2 Designación Oficial según Ley 5810 en BO 5136 - 29/05/2017: denominación conjunta "Paseo de los Vecinos destacados de Villa Lugano Comuna 8" a canteros de Av Riestra e/ Larraya y Cañada de Gómez
## 3 ESPACIOS VERDES
## 4 ESPACIOS VERDES
## fuente_geo fuente_ins
## 1 USIG USIG
## 2 USIG USIG
## 3 USIG USIG
## 4 USIG USIG
## ubicacion
## 1 LARRAZABAL, AV. E/ ROCA, CNEL., AV. Y FERNANDEZ DE LA CRUZ, FRANCISCO, GRAL., AV. (EXISTE UNA VIA DEL PREMETRO EN TODA LA LONGITUD DEL CANTERO, QUE HAY QUE RESTAR DE ESTA SUPERFICIE, PREVIO RELEVAMIENTO
## 2 RIESTRA, AV. E/ LARRAYA Y LARRAZABAL, AV.
## 3 ARGENTINA, AV. - ZELARRAYAN
## 4 DELLEPIANE, LUIS J., TTE. GRAL., AV.- E/ MURGIONDO Y ARGENTINA, AV.
## decreto fecha_decr ordenanza_ fecha_orde boletin_of fecha_bole BARRIO
## 1 <NA> <NA> <NA> <NA> <NA> <NA> VILLA LUGANO
## 2 186/17 22/05/2017 LEY N.º 5810 04/05/2017 5136 29/05/2017 VILLA LUGANO
## 3 <NA> <NA> <NA> <NA> <NA> <NA> VILLA LUGANO
## 4 <NA> <NA> <NA> <NA> <NA> <NA> VILLA LUGANO
## COMUNA Fech_padri Vig_padri Alc_conven
## 1 8 <NA> <NA> <NA>
## 2 8 <NA> <NA> <NA>
## 3 8 <NA> <NA> <NA>
## 4 8 <NA> <NA> <NA>
## nom_mapa id_ev_pub area
## 1 <NA> 73 359.448
## 2 Bautista Mazzini - Po. de los Vecinos de Va. Lugano 82 764.543
## 3 <NA> 84 291.060
## 4 <NA> 85 814.439
## perimeter DGEV_Padri Mant_2017 TAREAS ESTADO SUP_TOTAL Canil Posta_aero
## 1 9980 <NA> <NA> <NA> <NA> NA <NA> <NA>
## 2 0 <NA> <NA> <NA> <NA> NA <NA> <NA>
## 3 0 <NA> <NA> <NA> <NA> NA <NA> <NA>
## 4 9960 <NA> <NA> <NA> <NA> NA <NA> <NA>
## Etiqueta REJA Hor_invier Hor_verano Obs_reja
## 1 <NA> <NA> <NA> <NA> <NA>
## 2 <NA> <NA> <NA> <NA> <NA>
## 3 <NA> <NA> <NA> <NA> <NA>
## 4 <NA> <NA> <NA> <NA> <NA>espacios_lugano_subset = espacios_lugano %>% select(4:8)
head(espacios_lugano_subset)## patio_de_j apadrinada
## 1 NO <NA>
## 2 NO <NA>
## 3 NO <NA>
## 4 NO <NA>
## 5 NO <NA>
## 6 NO <NA>
## observacio
## 1 ESPACIOS VERDES
## 2 Designación Oficial según Ley 5810 en BO 5136 - 29/05/2017: denominación conjunta "Paseo de los Vecinos destacados de Villa Lugano Comuna 8" a canteros de Av Riestra e/ Larraya y Cañada de Gómez
## 3 ESPACIOS VERDES
## 4 ESPACIOS VERDES
## 5 ESPACIOS VERDES
## 6 ESPACIOS VERDES
## fuente_geo fuente_ins
## 1 USIG USIG
## 2 USIG USIG
## 3 USIG USIG
## 4 USIG USIG
## 5 USIG USIG
## 6 USIG USIGSeleccionamos las columnas de la 4 a la 8 porque nos interesa ver si los espacios verdes de Villa Lugano están apadrinados o no y si tienen un espacio de juegos.
En el dataset original vamos a pasar los metros cuadrados a hectareas para que sea más facil entender las dimensiones del tamaño de los espacios verdes
espaciosverdes_df = espaciosverdes_df %>% mutate(hectarea = area/10000)
summary(espaciosverdes_df$hectarea)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 0.00000 0.02315 0.07171 0.93778 0.27442 235.21624obtenemos resultados similares a nuestro análisis del comienzo, la mediana de tamaño es de tan solo 0.07 hectáreas. Para poner en contraste, una manzana (una cuadra por una cuadra) es el equivalente a una hectarea.
Ahora procedermos a ordenar el dataset en base a los espacios verdes más grandes
espaciosverdes_df = espaciosverdes_df %>% arrange(desc(area))
head(espaciosverdes_df,4)## nombre nombre_ev
## 1 Reserva Ecológica RESERVA ECOLÓGICA
## 2 Gral. Paz GENERAL PAZ
## 3 Parque Indoamericano INDOAMERICANO : PASEO DE LAS MALVINAS
## 4 Pque. Polidep. Pdte. Julio A. Roca PARQUE POLIDEPORTIVO PDTE. JULIO A. ROCA
## clasificac patio_de_j apadrinada
## 1 PARQUE SEMIPÚBLICO NO NO
## 2 PLAZOLETA <NA> <NA>
## 3 PARQUE SI <NA>
## 4 PARQUE <NA> <NA>
## observacio
## 1 <NA>
## 2 <NA>
## 3 no incluidos en el nomenclador de espacios verdes - Redigitalizado por USIG en Octubre de 2014
## 4 Actualización de la Digitalización de todos los sectores por USIG en Mayo de 2014 - Redigitalización por USIG en Marzo de 2017 al separarse el sector del Parque Natural Lago Lugano (sector sudoeste)
## fuente_geo fuente_ins
## 1 ESPACIOS VERDES E.V.
## 2 USIG USIG 2
## 3 USIG USIG 2
## 4 USIG USIG 2
## ubicacion
## 1 NOEL, CARLOS M., INT., AV. - RIO DE LA PLATA - MALECON (N) - EX-CIUDAD DEPORTIVA BOCA
## 2 <NA>
## 3 LACARRA, AV. - ESCALADA, AV. - CASTAÑARES, AV. - FERNANDEZ DE LA CRUZ, FRANCISCO, GRAL., AV.
## 4 <NA>
## decreto fecha_decr ordenanza_ fecha_orde boletin_of fecha_bole BARRIO
## 1 151 14/07/1980 43.609 27/06/1989 18.583 27/07/1989 PUERTO MADERO
## 2 <NA> <NA> <NA> <NA> <NA> <NA> VILLA REAL
## 3 <NA> <NA> <NA> <NA> <NA> <NA> VILLA SOLDATI
## 4 <NA> <NA> <NA> <NA> <NA> <NA> VILLA SOLDATI
## COMUNA Fech_padri Vig_padri Alc_conven nom_mapa
## 1 1 <NA> <NA> <NA> Reserva Ecológica
## 2 10 <NA> <NA> <NA> Plzta. Gral. Paz
## 3 8 <NA> <NA> <NA> Pque. Indoamericano
## 4 8 <NA> <NA> <NA> Pque. Polidep. Pdte. Julio A. Roca
## id_ev_pub area perimeter DGEV_Padri Mant_2017 TAREAS ESTADO SUP_TOTAL
## 1 1274 2352162.4 0 <NA> <NA> <NA> <NA> 0
## 2 652 1076581.1 0 <NA> <NA> <NA> <NA> NA
## 3 943 939020.4 0 <NA> <NA> <NA> <NA> 0
## 4 1341 794299.9 0 <NA> <NA> <NA> <NA> 0
## Canil Posta_aero Etiqueta REJA Hor_invier Hor_verano
## 1 <NA> <NA> NO SI 8:00 a 18:00 hs 8:00 a 19:00 hs
## 2 <NA> <NA> <NA> <NA> <NA> <NA>
## 3 NO SI <NA> <NA> <NA> <NA>
## 4 <NA> <NA> NO <NA> <NA> <NA>
## Obs_reja hectarea
## 1 Pre cierre 30 minutos antes 235.21624
## 2 <NA> 107.65811
## 3 <NA> 93.90204
## 4 <NA> 79.42999Los espacios verdes más grandes entonces son la reserva ecológica, la general paz ( sus espacios verdes, no la calzada) y el parque indoamericano.
Por otro lado, vamos a cambiarle el nombre de la columna “perimeter” por “perimetro” para mantener el idioma español en el dataste
espaciosverdes_df = rename(espaciosverdes_df, perimetro = "perimeter",patio_de_juegos = "patio_de_j",obervacion ="observacio")
colnames(espaciosverdes_df)## [1] "nombre" "nombre_ev" "clasificac" "patio_de_juegos"
## [5] "apadrinada" "obervacion" "fuente_geo" "fuente_ins"
## [9] "ubicacion" "decreto" "fecha_decr" "ordenanza_"
## [13] "fecha_orde" "boletin_of" "fecha_bole" "BARRIO"
## [17] "COMUNA" "Fech_padri" "Vig_padri" "Alc_conven"
## [21] "nom_mapa" "id_ev_pub" "area" "perimetro"
## [25] "DGEV_Padri" "Mant_2017" "TAREAS" "ESTADO"
## [29] "SUP_TOTAL" "Canil" "Posta_aero" "Etiqueta"
## [33] "REJA" "Hor_invier" "Hor_verano" "Obs_reja"
## [37] "hectarea"Vemos que efectivamente se cambiaron los nombres
Tarea número III
metros_por_barrio =espaciosverdes_df %>% group_by(BARRIO) %>% summarise(area_barrio = sum(area))
metros_por_barrio %>% arrange(desc(area_barrio) )## # A tibble: 51 × 2
## BARRIO area_barrio
## <fct> <dbl>
## 1 VILLA SOLDATI 2920417.
## 2 PUERTO MADERO 2825734.
## 3 PALERMO 2220344.
## 4 BELGRANO 1285920.
## 5 VILLA LUGANO 1194540.
## 6 VILLA REAL 1107850.
## 7 SAAVEDRA 841084.
## 8 PARQUE AVELLANEDA 540599.
## 9 NUÑEZ 411186.
## 10 RECOLETA 336135.
## # … with 41 more rowsSe agrupó el dataset por el barrio y después se creo una nueva variable llamada area_barrio que suma el area de todos los espacios verdes de un barrio. El resultado es que Villa Soldati y Puerto Madero son los dos barrios con mayor area de espacios verdes. Esto se debe a que en esos barrrios se encuentran las reservas ecológicas de la ciudad.
Ahora vamos a trabajar con los años de los decretos de cada espacio verde para eso filtramos los que no tienen datos
espaciosverdes_df_fechas = filter(espaciosverdes_df, fecha_decr != "")
head(espaciosverdes_df_fechas,4)## nombre
## 1 Reserva Ecológica
## 2 Parque de la Raza (Aeroparque)
## 3 Ciudad Universitaria
## 4 Bosque Alegre (Depvo. M. Belgrano)
## nombre_ev clasificac
## 1 RESERVA ECOLÓGICA PARQUE SEMIPÚBLICO
## 2 PARQUE DE LA RAZA (AEROPARQUE) PARQUE SEMIPÚBLICO
## 3 CIUDAD UNIVERSITARIA (Denominación Propuesta) PARQUE
## 4 BOSQUE ALEGRE (Deportivo MANUEL BELGRANO) PARQUE SEMIPÚBLICO
## patio_de_juegos apadrinada
## 1 NO NO
## 2 NO NO
## 3 NO NO
## 4 SI NO
## obervacion
## 1 <NA>
## 2 Nombre anterior: Bosque Autóctono (Aeroparque). Modificado por recomendación de la Comuna 14 en Marzo de 2014
## 3 NULL
## 4 Redigitalizado en algunos sectores por USIG en Julio de 2014
## fuente_geo fuente_ins
## 1 ESPACIOS VERDES E.V.
## 2 ESPACIOS VERDES E.V.
## 3 ESPACIOS VERDES E.V.
## 4 ESPACIOS VERDES E.V.
## ubicacion
## 1 NOEL, CARLOS M., INT., AV. - RIO DE LA PLATA - MALECON (N) - EX-CIUDAD DEPORTIVA BOCA
## 2 OBLIGADO, RAFAEL, AV. COSTANERA - PAMPA - SARMIENTO, AV. - VIAS F.C.G.B.
## 3 DARIO, RUBEN, AV. PROLONGACION IMAGINARIA - RIO DE LA PLATA - OBLIGADO, RAFAEL, AV. COSTANERA - CALLE ACCESO A CIUDAD UNIVERSITARIA - PROYECCION FACHADAS NORDESTE PABELLONES II, III Y BASES DE LOS PABELL
## 4 OBLIGADO, RAFAEL, AV. COSTANERA - SCALABRINI ORTIZ, RAUL, AV. - SARMIENTO - VIAS F.C.G.B.
## decreto fecha_decr ordenanza_ fecha_orde boletin_of fecha_bole BARRIO
## 1 151 14/07/1980 43.609 27/06/1989 18.583 27/07/1989 PUERTO MADERO
## 2 4.913 08/11/1944 <NA> <NA> 7.280 09/11/1944 PALERMO
## 3 NULL NULL NULL NULL NULL NULL BELGRANO
## 4 4.913 08/11/1944 <NA> <NA> 7.280 09/11/1944 PALERMO
## COMUNA Fech_padri Vig_padri Alc_conven nom_mapa
## 1 1 <NA> <NA> <NA> Reserva Ecológica
## 2 14 <NA> <NA> <NA> Pque. de la Raza (Aeroparque)
## 3 13 <NA> <NA> <NA> Ciudad Universitaria
## 4 14 <NA> <NA> <NA> Bosque Alegre (Depvo. M. Belgrano)
## id_ev_pub area perimetro DGEV_Padri Mant_2017 TAREAS ESTADO SUP_TOTAL
## 1 1274 2352162.4 0 <NA> <NA> <NA> <NA> 0
## 2 1109 659422.0 0 <NA> <NA> <NA> <NA> 0
## 3 1313 530293.7 0 <NA> <NA> <NA> <NA> 0
## 4 1335 134893.3 0 <NA> <NA> <NA> <NA> 0
## Canil Posta_aero Etiqueta REJA Hor_invier Hor_verano
## 1 <NA> <NA> NO SI 8:00 a 18:00 hs 8:00 a 19:00 hs
## 2 <NA> <NA> <NA> <NA> <NA> <NA>
## 3 <NA> <NA> NO <NA> <NA> <NA>
## 4 <NA> <NA> <NA> <NA> <NA> <NA>
## Obs_reja hectarea
## 1 Pre cierre 30 minutos antes 235.21624
## 2 <NA> 65.94220
## 3 <NA> 53.02937
## 4 <NA> 13.48933Luego creamos una nueva variable con el nombre anio_decr, usamos el subsetting de string para sacar los 4 caracteres desde la izquierda de la fecha del decreto, lo cual nos deja con el anio del mismo.
espaciosverdes_df_fechas = espaciosverdes_df_fechas %>% mutate(anio_decr = str_sub(fecha_decr,-4,-1))
head(espaciosverdes_df_fechas,4)## nombre
## 1 Reserva Ecológica
## 2 Parque de la Raza (Aeroparque)
## 3 Ciudad Universitaria
## 4 Bosque Alegre (Depvo. M. Belgrano)
## nombre_ev clasificac
## 1 RESERVA ECOLÓGICA PARQUE SEMIPÚBLICO
## 2 PARQUE DE LA RAZA (AEROPARQUE) PARQUE SEMIPÚBLICO
## 3 CIUDAD UNIVERSITARIA (Denominación Propuesta) PARQUE
## 4 BOSQUE ALEGRE (Deportivo MANUEL BELGRANO) PARQUE SEMIPÚBLICO
## patio_de_juegos apadrinada
## 1 NO NO
## 2 NO NO
## 3 NO NO
## 4 SI NO
## obervacion
## 1 <NA>
## 2 Nombre anterior: Bosque Autóctono (Aeroparque). Modificado por recomendación de la Comuna 14 en Marzo de 2014
## 3 NULL
## 4 Redigitalizado en algunos sectores por USIG en Julio de 2014
## fuente_geo fuente_ins
## 1 ESPACIOS VERDES E.V.
## 2 ESPACIOS VERDES E.V.
## 3 ESPACIOS VERDES E.V.
## 4 ESPACIOS VERDES E.V.
## ubicacion
## 1 NOEL, CARLOS M., INT., AV. - RIO DE LA PLATA - MALECON (N) - EX-CIUDAD DEPORTIVA BOCA
## 2 OBLIGADO, RAFAEL, AV. COSTANERA - PAMPA - SARMIENTO, AV. - VIAS F.C.G.B.
## 3 DARIO, RUBEN, AV. PROLONGACION IMAGINARIA - RIO DE LA PLATA - OBLIGADO, RAFAEL, AV. COSTANERA - CALLE ACCESO A CIUDAD UNIVERSITARIA - PROYECCION FACHADAS NORDESTE PABELLONES II, III Y BASES DE LOS PABELL
## 4 OBLIGADO, RAFAEL, AV. COSTANERA - SCALABRINI ORTIZ, RAUL, AV. - SARMIENTO - VIAS F.C.G.B.
## decreto fecha_decr ordenanza_ fecha_orde boletin_of fecha_bole BARRIO
## 1 151 14/07/1980 43.609 27/06/1989 18.583 27/07/1989 PUERTO MADERO
## 2 4.913 08/11/1944 <NA> <NA> 7.280 09/11/1944 PALERMO
## 3 NULL NULL NULL NULL NULL NULL BELGRANO
## 4 4.913 08/11/1944 <NA> <NA> 7.280 09/11/1944 PALERMO
## COMUNA Fech_padri Vig_padri Alc_conven nom_mapa
## 1 1 <NA> <NA> <NA> Reserva Ecológica
## 2 14 <NA> <NA> <NA> Pque. de la Raza (Aeroparque)
## 3 13 <NA> <NA> <NA> Ciudad Universitaria
## 4 14 <NA> <NA> <NA> Bosque Alegre (Depvo. M. Belgrano)
## id_ev_pub area perimetro DGEV_Padri Mant_2017 TAREAS ESTADO SUP_TOTAL
## 1 1274 2352162.4 0 <NA> <NA> <NA> <NA> 0
## 2 1109 659422.0 0 <NA> <NA> <NA> <NA> 0
## 3 1313 530293.7 0 <NA> <NA> <NA> <NA> 0
## 4 1335 134893.3 0 <NA> <NA> <NA> <NA> 0
## Canil Posta_aero Etiqueta REJA Hor_invier Hor_verano
## 1 <NA> <NA> NO SI 8:00 a 18:00 hs 8:00 a 19:00 hs
## 2 <NA> <NA> <NA> <NA> <NA> <NA>
## 3 <NA> <NA> NO <NA> <NA> <NA>
## 4 <NA> <NA> <NA> <NA> <NA> <NA>
## Obs_reja hectarea anio_decr
## 1 Pre cierre 30 minutos antes 235.21624 1980
## 2 <NA> 65.94220 1944
## 3 <NA> 53.02937 NULL
## 4 <NA> 13.48933 1944ahora podemos agrupar por fechas y por barrios
resumen_barrial <- espaciosverdes_df_fechas %>%
group_by(anio_decr, BARRIO) %>%
summarise(area = sum(area))## `summarise()` has grouped output by 'anio_decr'. You can override using the
## `.groups` argument.resumen_barrial## # A tibble: 344 × 3
## # Groups: anio_decr [74]
## anio_decr BARRIO area
## <chr> <fct> <dbl>
## 1 0-09 FLORES 10149.
## 2 1-44 RECOLETA 10.1
## 3 1-50 RETIRO 32368.
## 4 1-96 RECOLETA 15786.
## 5 1-97 VILLA LUGANO 2443.
## 6 1908 MONSERRAT 2176.
## 7 1926 SAAVEDRA 12473.
## 8 1927 BELGRANO 482.
## 9 1931 BARRACAS 2172.
## 10 1931 RECOLETA 5244.
## # … with 334 more rowsAhora tenemos las fechas de creacion de las plazas por barrio. Es tiempo de pivotear para ver mejor la información
resumen_wider <- pivot_wider(resumen_barrial,
names_from = BARRIO,
values_from = area)
resumen_wider## # A tibble: 74 × 49
## # Groups: anio_decr [74]
## anio_decr FLORES RECOLETA RETIRO `VILLA LUGANO` MONSERRAT SAAVEDRA BELGRANO
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 0-09 10149. NA NA NA NA NA NA
## 2 1-44 NA 10.1 NA NA NA NA NA
## 3 1-50 NA NA 32368. NA NA NA NA
## 4 1-96 NA 15786. NA NA NA NA NA
## 5 1-97 NA NA NA 2443. NA NA NA
## 6 1908 NA NA NA NA 2176. NA NA
## 7 1926 NA NA NA NA NA 12473. NA
## 8 1927 NA NA NA NA NA NA 482.
## 9 1931 NA 5244. NA NA NA NA NA
## 10 1934 NA NA NA NA NA NA NA
## # … with 64 more rows, and 41 more variables: BARRACAS <dbl>, ALMAGRO <dbl>,
## # `NUEVA POMPEYA` <dbl>, `PARQUE AVELLANEDA` <dbl>, `SAN CRISTOBAL` <dbl>,
## # `VILLA GRAL. MITRE` <dbl>, `PARQUE PATRICIOS` <dbl>, `VILLA LURO` <dbl>,
## # `VILLA ORTUZAR` <dbl>, `VILLA PUEYRREDON` <dbl>, PALERMO <dbl>,
## # `VILLA DEVOTO` <dbl>, `MONTE CASTRO` <dbl>, `VILLA URQUIZA` <dbl>,
## # BALVANERA <dbl>, VERSALLES <dbl>, LINIERS <dbl>, `VILLA REAL` <dbl>,
## # `VILLA DEL PARQUE` <dbl>, COLEGIALES <dbl>, CONSTITUCION <dbl>, …Con pivot wider se pasó de tener a los barrios como varaible en filas para pasarlos a columna, de esta forma se puede ver como fue la historia de creacion de espacios verdes en los barrios y además entender la cantidad de metros que se sumaron dependiendo el año.
Parece que la creación por año nos deja la información tan desagregada que no nos deja detectar patrones, por lo que agregaremos una columna que ponga las décadas para cada año.
espaciosverdes_df_fechas <- espaciosverdes_df_fechas %>%
mutate(decada = case_when(
anio_decr < 1910 ~ "1900",
anio_decr < 1920 ~ "1910",
anio_decr < 1930 ~ "1920",
anio_decr < 1940 ~ "1930",
anio_decr < 1950 ~ "1940",
anio_decr < 1960 ~ "1950",
anio_decr < 1970 ~ "1960",
anio_decr < 1980 ~ "1970",
anio_decr < 1990 ~ "1980",
anio_decr < 2000 ~ "1990",
anio_decr < 2010 ~ "2000",
anio_decr < 2020 ~ "2010",
is.na(anio_decr) ~ "Sin datos"
))Repetimos el group_by con summarie y el pivot wider
resumen_barrial <- espaciosverdes_df_fechas %>%
group_by(decada, BARRIO) %>%
summarise(area = sum(area))## `summarise()` has grouped output by 'decada'. You can override using the
## `.groups` argument.resumen_barrial## # A tibble: 200 × 3
## # Groups: decada [12]
## decada BARRIO area
## <chr> <fct> <dbl>
## 1 1900 FLORES 10149.
## 2 1900 MONSERRAT 2176.
## 3 1900 RECOLETA 15796.
## 4 1900 RETIRO 32368.
## 5 1900 VILLA LUGANO 2443.
## 6 1920 BELGRANO 482.
## 7 1920 SAAVEDRA 12473.
## 8 1930 ALMAGRO 7513.
## 9 1930 BARRACAS 2172.
## 10 1930 FLORES 327.
## # … with 190 more rowsresumen_wider <- pivot_wider(resumen_barrial,
names_from = BARRIO,
values_from = area)
resumen_wider## # A tibble: 12 × 49
## # Groups: decada [12]
## decada FLORES MONSERRAT RECOLETA RETIRO `VILLA LUGANO` BELGRANO SAAVEDRA
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 1900 10149. 2176. 15796. 32368. 2443. NA NA
## 2 1920 NA NA NA NA NA 482. 12473.
## 3 1930 327. NA 5244. NA NA NA NA
## 4 1940 NA NA NA NA 10154. NA 180836.
## 5 1950 80822. NA 84015. 5649. NA 2402. NA
## 6 1960 2135. NA 7872. 10291. 705. 19963. 721.
## 7 1970 NA 18055. 6436. NA 3496. 9089. 14473.
## 8 1980 NA 1554. 3741. 2654. 3381. 4476. 3216.
## 9 1990 14515. 145. 102305. 6038. 1156. 59403. 30698.
## 10 2000 6656. 157. 4459. 1994. 11625. 7868. 60694.
## 11 2010 2863. 4761. 14125. NA 3063. 18681. 1649.
## 12 <NA> NA NA NA NA NA 530294. NA
## # … with 41 more variables: ALMAGRO <dbl>, BARRACAS <dbl>,
## # `NUEVA POMPEYA` <dbl>, `PARQUE AVELLANEDA` <dbl>, `PARQUE PATRICIOS` <dbl>,
## # `SAN CRISTOBAL` <dbl>, `VILLA GRAL. MITRE` <dbl>, `VILLA LURO` <dbl>,
## # `VILLA ORTUZAR` <dbl>, BALVANERA <dbl>, `MONTE CASTRO` <dbl>,
## # PALERMO <dbl>, `VILLA DEVOTO` <dbl>, `VILLA PUEYRREDON` <dbl>,
## # `VILLA URQUIZA` <dbl>, LINIERS <dbl>, VERSALLES <dbl>,
## # `VILLA DEL PARQUE` <dbl>, `VILLA REAL` <dbl>, BOCA <dbl>, …Podemos ver como la información se muestra más claramente a nivel de década. Por ejemplo, no se crea un espacio públci en villa gral mitre desde 1930, que se tenga datos.
Ahora vamos a ver cuanto representan los espacios verdes de cada barrio como el total del área
#Barrios#
barrios <- st_read('https://bitsandbricks.github.io/data/CABA_barrios.geojson')## Reading layer `CABA_barrios' from data source
## `https://bitsandbricks.github.io/data/CABA_barrios.geojson'
## using driver `GeoJSON'
## Simple feature collection with 48 features and 4 fields
## Geometry type: POLYGON
## Dimension: XY
## Bounding box: xmin: -58.53152 ymin: -34.70529 xmax: -58.33514 ymax: -34.52754
## Geodetic CRS: WGS 84barrios## Simple feature collection with 48 features and 4 fields
## Geometry type: POLYGON
## Dimension: XY
## Bounding box: xmin: -58.53152 ymin: -34.70529 xmax: -58.33514 ymax: -34.52754
## Geodetic CRS: WGS 84
## First 10 features:
## BARRIO COMUNA PERIMETRO AREA geometry
## 1 CHACARITA 15 7725.695 3118101 POLYGON ((-58.45282 -34.595...
## 2 PATERNAL 15 7087.513 2229829 POLYGON ((-58.46558 -34.596...
## 3 VILLA CRESPO 15 8132.699 3613584 POLYGON ((-58.42375 -34.597...
## 4 VILLA DEL PARQUE 11 7705.390 3399596 POLYGON ((-58.49461 -34.614...
## 5 ALMAGRO 5 8537.901 4050752 POLYGON ((-58.41287 -34.614...
## 6 CABALLITO 6 10990.964 6851029 POLYGON ((-58.43061 -34.607...
## 7 VILLA SANTA RITA 11 5757.752 2153691 POLYGON ((-58.48192 -34.624...
## 8 MONTE CASTRO 10 7361.036 2627481 POLYGON ((-58.50349 -34.624...
## 9 VILLA REAL 10 5070.966 1334146 POLYGON ((-58.52512 -34.614...
## 10 FLORES 7 15772.425 8590784 POLYGON ((-58.44525 -34.642...Traemos el dataset barrios y lo mergeamos con el de espacios verdes. Lo podríamos hacer con un st_join pero como todavía no nos interesa la información georeferenciada vamos a sacarle tambien la geometría
barrios_df = st_drop_geometry(barrios)
barrios_df = as.data.frame(barrios_df, stringsasfactors=TRUE)
str(barrios_df)## 'data.frame': 48 obs. of 4 variables:
## $ BARRIO : chr "CHACARITA" "PATERNAL" "VILLA CRESPO" "VILLA DEL PARQUE" ...
## $ COMUNA : num 15 15 15 11 5 6 11 10 10 7 ...
## $ PERIMETRO: num 7726 7088 8133 7705 8538 ...
## $ AREA : num 3118101 2229829 3613584 3399596 4050752 ...espaciosverdes_consolidado = espaciosverdes_df %>% group_by(BARRIO) %>% summarise(area = sum(area))
espaciosverdes_df_barrios = left_join(espaciosverdes_consolidado, barrios)## Joining, by = "BARRIO"espaciosverdes_df_barrios = espaciosverdes_df_barrios %>% group_by(BARRIO) %>% summarise(area = sum(area), AREA = max(AREA))
espaciosverdes_df_barrios## # A tibble: 51 × 3
## BARRIO area AREA
## <chr> <dbl> <dbl>
## 1 AGRONOMIA 2834. 2122169.
## 2 ALMAGRO 8758. 4050752.
## 3 BALBANERA 1207. NA
## 4 BALVANERA 28967. 4342280.
## 5 BARRACAS 185682. 7961000.
## 6 BELGRANO 1285920. 7932303.
## 7 BOCA 92683. 5028581.
## 8 BOEDO 12127. 2609774.
## 9 CABALLITO 215695. 6851029.
## 10 CHACARITA 93358. 3118101.
## # … with 41 more rowsespaciosverdes_df_barrios = rename(espaciosverdes_df_barrios, Area_Espacios_Publicos = "area", Area_Barrial = "AREA")
espaciosverdes_df_barrios## # A tibble: 51 × 3
## BARRIO Area_Espacios_Publicos Area_Barrial
## <chr> <dbl> <dbl>
## 1 AGRONOMIA 2834. 2122169.
## 2 ALMAGRO 8758. 4050752.
## 3 BALBANERA 1207. NA
## 4 BALVANERA 28967. 4342280.
## 5 BARRACAS 185682. 7961000.
## 6 BELGRANO 1285920. 7932303.
## 7 BOCA 92683. 5028581.
## 8 BOEDO 12127. 2609774.
## 9 CABALLITO 215695. 6851029.
## 10 CHACARITA 93358. 3118101.
## # … with 41 more rowsAhora queremos conocer el ratio de area de espacios publicos sobre el area total del barrio, usamos la función mutate
espaciosverdes_df_barrios = espaciosverdes_df_barrios %>% mutate(ratio_areas = Area_Espacios_Publicos/Area_Barrial)
espaciosverdes_df_barrios = espaciosverdes_df_barrios %>% arrange(desc(ratio_areas))
espaciosverdes_df_barrios## # A tibble: 51 × 4
## BARRIO Area_Espacios_Publicos Area_Barrial ratio_areas
## <chr> <dbl> <dbl> <dbl>
## 1 VILLA REAL 1107850. 1334146. 0.830
## 2 PUERTO MADERO 2825734. 5027425. 0.562
## 3 VILLA SOLDATI 2920417. 8663595. 0.337
## 4 BELGRANO 1285920. 7932303. 0.162
## 5 SAAVEDRA 841084. 5538677. 0.152
## 6 PALERMO 2220344. 15772496. 0.141
## 7 VILLA LUGANO 1194540. 9296142. 0.128
## 8 PARQUE AVELLANEDA 540599. 4732708. 0.114
## 9 NUÑEZ 411186. 4349736. 0.0945
## 10 PARQUE PATRICIOS 249476. 3743507. 0.0666
## # … with 41 more rowsPodemos ver que los barrios con mayor proporción son villa real, uerto mader y villa Soldati.
Clase IV
Ahora trabajaremos sobre gráficos y diferentes formas de presentar la información de nuestros datasets.
En primer lugar analizaremos una variable continua, en nuestro caso puede ser el tamaño en metros cuadrados de los espacios verdes de CABA.
Para poder entender estas variables se puede hacer tanto por un gráfico de densidad como por un histograma.
ggplot(filter(espaciosverdes_df, clasificac =="PARQUE" | clasificac =="PLAZA"))+
geom_density(aes(x=area))+
labs(title="Area de parques y plazas de CABA",
fill="Zona",
x="Area (M2)",
y="Distribución de la variable area",
caption="Fuente: Datos abiertos del GCBA")+
scale_fill_viridis_d() +
theme_bw() + facet_wrap(~clasificac)
ggplot(filter(espaciosverdes_df, clasificac =="PARQUE" | clasificac =="PLAZA"))+
geom_histogram(aes(x=area, fill=clasificac), bins =50)+
labs(title="Area de parques y plazas de CABA",
fill="Zona",
x="Area (M2)",
y="Concentración de la información",
caption="Fuente: Datos abiertos del GCBA")+
scale_fill_manual(values = c("goldenrod2", "indianred2"))+
theme_bw()
Ahora veremos si a medida que se fueron incrementando los años tambien se fueron incorporando los espacios públicos creados.
library("hrbrthemes")## NOTE: Either Arial Narrow or Roboto Condensed fonts are required to use these themes.## Please use hrbrthemes::import_roboto_condensed() to install Roboto Condensed and## if Arial Narrow is not on your system, please see https://bit.ly/arialnarrowRealizamos un gropub_by sin el barrio para tener un resumen a nivel de la ciudad
resumen_barrial <- espaciosverdes_df_fechas %>%
group_by(decada ) %>%
summarise(area = sum(area))
resumen_barrial## # A tibble: 12 × 2
## decada area
## <chr> <dbl>
## 1 1900 62931.
## 2 1920 12956.
## 3 1930 56722.
## 4 1940 1054696.
## 5 1950 279588.
## 6 1960 136151.
## 7 1970 130630.
## 8 1980 2665897.
## 9 1990 490876.
## 10 2000 629964.
## 11 2010 118136.
## 12 <NA> 530294.resumen_barrial %>%
ggplot( aes(x= decada, y=area)) +
geom_line( color="grey", size =3 ) +
geom_point(shape=21, color="black", fill="#69b3a2", size=3.5) +
theme_ipsum() +
ggtitle("Area de espacios verdes por decada de creación") + labs( y="Superficie cubierta (M2)", caption="Fuente: Elaboración propia en base a GCBA") + scale_y_continuous(labels = function(x) format(x, scientific = FALSE))## geom_path: Each group consists of only one observation. Do you need to adjust
## the group aesthetic?## Warning in grid.Call(C_stringMetric, as.graphicsAnnot(x$label)): font family not
## found in Windows font database
## Warning in grid.Call(C_stringMetric, as.graphicsAnnot(x$label)): font family not
## found in Windows font database
## Warning in grid.Call(C_stringMetric, as.graphicsAnnot(x$label)): font family not
## found in Windows font database## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, : font
## family not found in Windows font database
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, : font
## family not found in Windows font database
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, : font
## family not found in Windows font database
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, : font
## family not found in Windows font database
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, : font
## family not found in Windows font database
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, : font
## family not found in Windows font database
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, : font
## family not found in Windows font database
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, : font
## family not found in Windows font database
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, : font
## family not found in Windows font database
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, : font
## family not found in Windows font database
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, : font
## family not found in Windows font database
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, : font
## family not found in Windows font database
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, : font
## family not found in Windows font database## Warning in grid.Call.graphics(C_text, as.graphicsAnnot(x$label), x$x, x$y, :
## font family not found in Windows font database## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, : font
## family not found in Windows font database
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, : font
## family not found in Windows font database
El presente gráfico se realizó para comprender la fecha de creación de
los espacios verdes de la ciudad autónoma de buenos aires. Agrupado por
década de creación. Podemos ver claramente como la decada de creacion de
mas espacios verdes es la decada de 1980. Salvo esa decada en
particular, no se destacan grandes avances en materia de creacion de
espacio verde y público.
Area por barrio
ggplot(espaciosverdes_df_barrios) + geom_bar(aes(x=reorder(BARRIO, ratio_areas), weight=ratio_areas, fill=Area_Espacios_Publicos
)) +
geom_text(aes(x=BARRIO, y=ratio_areas, label=paste(round(ratio_areas,2),"%")), size=3.5, color="black", position = position_dodge(width=0.9), hjust=-0.25)+
labs(title="Porcentaje de espacios verdes sobre el total del area del barrio",
subtitle="CABA",
fill="Area_espacios_publicos",
x="Partido",
y="Porcentaje",
caption="Fuente: GCBA") +
scale_fill_viridis_c() +
theme_light() +
coord_flip()## Warning: Removed 3 rows containing missing values (geom_text).
Realizamos un grafico de barras para poder entender como es la
composición de los espacios verdes en la ciudad de buenos aires por
barrio y tambien por tamaño de barrio. El porcentaje es del total de
espacios verdes sobre el total del area del barrio. Podemos ver que
villa santa rita casi no tiene espacios verdes. Podemos ver como
habiamos mencionado anteriormente que el barrio con mas porcentaje de
espacios verdes es el de Villa real, sin embargo por el color nos damos
cuenta que no es de los que más tiene en general.
resumen_barrial <- espaciosverdes_df_fechas %>%
group_by(decada, BARRIO ) %>%
summarise(area = sum(area))## `summarise()` has grouped output by 'decada'. You can override using the
## `.groups` argument.resumen_barrial## # A tibble: 200 × 3
## # Groups: decada [12]
## decada BARRIO area
## <chr> <fct> <dbl>
## 1 1900 FLORES 10149.
## 2 1900 MONSERRAT 2176.
## 3 1900 RECOLETA 15796.
## 4 1900 RETIRO 32368.
## 5 1900 VILLA LUGANO 2443.
## 6 1920 BELGRANO 482.
## 7 1920 SAAVEDRA 12473.
## 8 1930 ALMAGRO 7513.
## 9 1930 BARRACAS 2172.
## 10 1930 FLORES 327.
## # … with 190 more rowsAgrupamos la creacion de espacios verdes por decada y por barrio
ggplot(resumen_barrial) + geom_bar(aes(x=reorder(decada, decada), weight=area, fill=BARRIO
)) +
scale_fill_viridis_d() +
theme_light() +
coord_flip()## Warning in mean.default(X[[i]], ...): argument is not numeric or logical:
## returning NA
## Warning in mean.default(X[[i]], ...): argument is not numeric or logical:
## returning NA
## Warning in mean.default(X[[i]], ...): argument is not numeric or logical:
## returning NA
## Warning in mean.default(X[[i]], ...): argument is not numeric or logical:
## returning NA
## Warning in mean.default(X[[i]], ...): argument is not numeric or logical:
## returning NA
## Warning in mean.default(X[[i]], ...): argument is not numeric or logical:
## returning NA
## Warning in mean.default(X[[i]], ...): argument is not numeric or logical:
## returning NA
## Warning in mean.default(X[[i]], ...): argument is not numeric or logical:
## returning NA
## Warning in mean.default(X[[i]], ...): argument is not numeric or logical:
## returning NA
## Warning in mean.default(X[[i]], ...): argument is not numeric or logical:
## returning NA
## Warning in mean.default(X[[i]], ...): argument is not numeric or logical:
## returning NA
## Warning in mean.default(X[[i]], ...): argument is not numeric or logical:
## returning NA
## Warning in mean.default(X[[i]], ...): argument is not numeric or logical:
## returning NA
## Warning in mean.default(X[[i]], ...): argument is not numeric or logical:
## returning NA
## Warning in mean.default(X[[i]], ...): argument is not numeric or logical:
## returning NA
## Warning in mean.default(X[[i]], ...): argument is not numeric or logical:
## returning NA
## Warning in mean.default(X[[i]], ...): argument is not numeric or logical:
## returning NA
## Warning in mean.default(X[[i]], ...): argument is not numeric or logical:
## returning NA
## Warning in mean.default(X[[i]], ...): argument is not numeric or logical:
## returning NA
## Warning in mean.default(X[[i]], ...): argument is not numeric or logical:
## returning NA
## Warning in mean.default(X[[i]], ...): argument is not numeric or logical:
## returning NA
## Warning in mean.default(X[[i]], ...): argument is not numeric or logical:
## returning NA
Realizamos un primer acercamiento sobre como graficar la información,
pero todavía no es del todo clara.
ggplot(resumen_barrial) + geom_bar(aes(x=reorder(BARRIO, area), weight=area, fill= decada
)) +
labs(title="Tamaño de espacios verdes por barrio y fecha de creacion",
subtitle="CABA",
fill="Area_espacios_publicos",
x="Barrio",
y="Tamaño de espacios verdes en M2",
caption="Fuente: GCBA") +
scale_fill_viridis_d() +
theme_light() +
coord_flip()
Elegimos mostrar por barrio la cantidad de espacios verdes creados por decadas. Para entender como fue el desarrollo y el crecimiento de los mismos a lo largo del tiempo. Concluimos que el barrio donde más espacios verdes se crearon fue en 1980 y especificamente en Puerto Madero.
Tarea V
1.a. Mapa coroplético que muestre la distribución geográfica de una variable numérica.
resumen_barrial = left_join(resumen_barrial, barrios)## Joining, by = "BARRIO"resumen_barrial= st_as_sf(resumen_barrial)ggplot() +
geom_sf(data = resumen_barrial, aes(geometry = resumen_barrial$geometry , fill = area )) +
scale_fill_viridis_c() +
labs(title = "Espacios verdes creados por barrio y fecha",
subtitle = "CABA - Mayo 2021",
fill = "Tamaño en metros cuadrados",
caption = "Fuente: CABA") + facet_wrap(~decada)
resumen_barrial = filter(resumen_barrial, area <2000000)
ggplot() +
geom_sf(data = resumen_barrial, aes(geometry = resumen_barrial$geometry , fill = area )) +
scale_fill_viridis_c() +
labs(title = "Densidad",
subtitle = "CABA - Mayo 2021",
fill = "Densidad poblacional (hab./km2)",
caption = "Fuente: CABA") + facet_wrap(~decada)
1.b. Mapa coroplético que muestre la distribución geográfica de una variable categórica.
Tipologia_predominante = espaciosverdes_df %>%
group_by(clasificac, BARRIO ) %>%
summarise(Tipologia = n())## `summarise()` has grouped output by 'clasificac'. You can override using the
## `.groups` argument.Tipologia_predominante = left_join(Tipologia_predominante, barrios)## Joining, by = "BARRIO"resumen_barrial= st_as_sf(resumen_barrial) ggplot() +
geom_sf(data = Tipologia_predominante, aes(geometry = Tipologia_predominante$geometry , fill = Tipologia )) +
scale_fill_viridis_c() +
labs(title = "Densidad",
subtitle = "CABA - Mayo 2021",
fill = "Densidad poblacional (hab./km2)",
caption = "Fuente: CABA") + facet_wrap(~clasificac)
1.c. Elegir uno de los mapas anteriores e incorporarle una o más geometrías que sean relevantes al análisis.
campanas = read_sf("https://cdn.buenosaires.gob.ar/datosabiertos/datasets/subsecretaria-de-higiene-urbana/campanas-verdes/campanas-verdes.geojson")Plazas_Por_Barrio = espaciosverdes %>% filter(clasificac =="PLAZA", BARRIO !="BALBANERA")
Plazas_Por_Barrio = st_drop_geometry(Plazas_Por_Barrio)
Plazas_Por_Barrio = Plazas_Por_Barrio %>% group_by(BARRIO) %>% summarise(plaza = n())Plazas_Por_Barrio = left_join(Plazas_Por_Barrio, barrios)## Joining, by = "BARRIO"Plazas_Por_Barrio= st_as_sf(Plazas_Por_Barrio)No me gusta
library("mapview")mapview(Plazas_Por_Barrio, zcol = "plaza", na.rm = TRUE) + mapview(campanas)